Smartbi 白泽（思迈特）

📌 工具简介

Smartbi 白泽（AIChat）是广州思迈特软件推出的企业级 Agent BI 智能体数据决策分析平台，2026 年 5 月迭代至 V5 版本。它不是一个面向个人的轻量问数工具，而是为大型企业设计的私有化数据智能底座：以“统一指标模型”解决数据口径和准确性，以“多智能体协同”驱动归因、预测和报告生成，双轮驱动，目标是让 AI 的分析结果达到企业级可信、可审计、可追溯的标准。白泽 V5 依托 ReAct 推理框架、四层复合计算引擎和 Skill 技能体系，覆盖从自然语言任意问数、自动归因、趋势预测，到一键生成交互式仪表盘、长篇经营报告和中国式复杂报表智能填报的全链路。产品已在银行、证券、保险、制造、能源等行业规模化落地，思迈特在证券业和银行业 BI 市占率位居第一，白泽本身也定位于“大型企业专属”的智能体数据决策分析平台，交付方式以私有化 License 为主，而非公有云订阅。

⚡ 主要功能

• 自然语言智能问数：用日常语言直接提问（如“分析一下本月华东区销售下降的原因”），白泽基于统一指标模型生成查询并返回带图表的结果，避免 NL2SQL 常见的口径偏差和数据歧义
• 多智能体协同闭环：生成、校验、修正、评价四个 Agent 形成闭环，将问数准确率做到 98% 以上，在同类 Agent BI 产品中处于领先水平
• 自动归因与趋势预测：不仅回答“发生了什么”，还能拆解“为什么发生”和“接下来可能怎样”，支持归因分析、趋势预测和指示性分析，输出结构化洞察而非单一数字
• 一键生成交互式仪表盘与经营报告：从问数结果直接生成可交互的仪表盘和长篇经营分析报告，报告口径可追溯，减少从分析到汇报之间的手工整理环节
• 中国式复杂报表智能填报：针对财务、监管报送等场景的固定格式报表，支持智能填报与校验，把 AI 能力延伸到传统 BI 工具难以自动化的“填表”环节
• 报表助手·就地问数：在已打开的仪表盘或电子表格页面中直接唤起 AI 面板，基于当前筛选条件和结果状态追问，无需返回首页重新选择数据集，分析上下文保持连贯
• 多源数据融合：支持结构化数据与 Excel、PDF 等非结构化/个人文件的整合，在一个分析链路中调用多源数据，减少数据孤岛
• Skill 技能体系与 ReAct 编排：V5 新增 ReAct 自动编排节点和可配置 Skill，复杂任务可以拆解为多个步骤并调用不同工具，工作流编排大幅简化
• MCP 双向集成：既支持白泽作为 MCP 服务被 Cursor 等外部客户端调用，也支持在白泽内部反向调用第三方 MCP 工具和 HTTP 接口，形成双向扩展的集成体系
• 金融级权限与过程留痕：金融级权限体系、口径统一、多重校验和过程可追溯，白盒化分析逻辑旨在降低大模型幻觉，满足强合规场景的审计要求
• 信创全栈适配：支持国产化环境部署，覆盖从底层硬件到上层应用的信创要求，适合党政、金融和国央企的自主可控需求
• 在线体验中心：无需安装部署，通过 cloud.smartbi.com.cn 即可注册试用对话式分析核心功能，适合选型评估和功能验证

💰 价格信息

Smartbi 白泽采用企业级私有化 License 交付，而非面向个人或小团队的公有云 SaaS 订阅。在华为云商店中，“思迈特白泽人工智能数据分析助手”的公开标价为 ￥1,300,000（License），这一价位对应的是大型企业的完整平台授权和私有化部署，而非单点试用或轻量套餐。实际项目中的费用取决于企业规模、部署方式（本地/私有云/信创环境）、功能模块、用户数和实施服务范围，通常需要联系思迈特销售团队获取定制报价。对于希望先验证功能的用户，官方提供在线体验中心（cloud.smartbi.com.cn），无需安装部署即可体验核心对话式分析能力，这是零成本评估产品是否匹配需求的主要途径。需要注意的是，白泽的定价和交付形态决定了它不适合个人用户或预算有限的小微团队作为日常工具使用；它的成本结构对应的是企业级数据治理和决策分析场景，选型时应按私有化部署的资源投入和实施周期来评估，而不是按“每人每月多少钱”的 SaaS 逻辑来衡量。

👥 适合人群

已经建立或正在建设企业级指标体系的银行、证券、保险、制造、能源和国央企（需要在统一口径的前提下做智能问数、归因和报告生成）；对数据安全有硬性要求、必须私有化部署且可能需要信创适配的大型组织；数据分析团队规模较大、希望用 Agent 承接重复性取数和归因工作、让分析师聚焦更高价值任务的企业；以及需要将 AI 分析结果纳入审计和合规流程、对“可追溯、可校验”有明确要求的金融和监管报送场景。白泽尤其适合“数据底座已经存在、但业务人员用不起来”的组织——它的价值不在于从零搭建数据仓库，而在于把已有的指标体系和 BI 资产激活为对话式、智能体的分析能力。如果企业尚未完成基础的数据治理和指标定义，或者只是个人想找一个轻量的问数工具，白泽的定位和成本结构并不匹配。

✅ 优点

• “指标模型 + 多智能体协同”双轮驱动是白泽的核心架构差异：用统一指标语义层解决 NL2SQL 天然的口径偏差问题，再用生成、校验、修正、评价四个 Agent 闭环把准确率推到 98% 以上，在 Agent BI 赛道中属于有明确技术路径和量化验证的方案
• 企业级可信度设计到位：白盒化分析逻辑、过程可追溯、多重校验和口径统一，直接回应了大型企业“AI 分析结果敢不敢用”的核心顾虑，而不是只追求生成速度和界面炫酷
• 全链路覆盖从问数到交付：不止于“查一个数、出一张图”，还能完成归因、预测、仪表盘生成、长篇报告撰写和中国式复杂报表填报，在同一个平台内把分析到汇报的链条收拢
• 报表助手的设计贴合真实使用习惯：在已打开的报表页面中就地追问，自动继承当前筛选条件和结果状态，不需要反复返回首页重新选择数据集，分析上下文连贯，减少了工具切换的摩擦
• 私有化部署 + 信创适配 + 金融级权限，在合规敏感行业中有明确的落地能力，思迈特在证券业和银行业 BI 市占率第一，行业 know-how 和交付经验经过头部客户验证
• 提供在线体验中心（cloud.smartbi.com.cn），无需安装即可评估核心功能，降低了选型阶段的前期门槛，企业可以在投入私有化部署之前先验证效果
• MCP 双向集成和 Skill 技能体系为长期扩展留出了空间，企业可以将白泽嵌入已有的 AI 工具链，或把自身的数据能力封装为可复用的技能资产

⚠️ 缺点

• 门槛极高，完全不是个人或小团队的工具：私有化 License 交付、华为云商店标价 130 万级别、需要技术团队支撑部署和实施，决定了它的目标客户是大型企业，而非“想用 AI 分析表格”的普通用户
• 没有公开的 SaaS 免费版或低价订阅：在线体验中心可以试用，但正式使用必须走企业采购流程，决策周期长、前期投入大，无法像轻量工具那样“注册即用、按需付费”
• 部署和实施相对复杂：需要一定的技术团队支撑，涉及指标模型建设、数据接入、权限配置和系统集成，不是开箱即用的产品；选型时如果企业自身的数据治理成熟度不足，落地周期和成本会进一步上升
• 核心价值高度依赖企业已有的指标体系和数据底座：如果指标口径尚未统一、数据质量参差不齐，白泽的准确率优势会被削弱，它解决的是“有底座之上的智能化”，而不是“从零帮你建底座”
• 产品定位和功能边界对非专业人士不够透明：Agent BI、指标模型、多智能体协同等概念需要一定的 BI 和 AI 知识背景才能理解，普通用户容易在选型时高估或低估其实际能力
• 作为面向大型企业的平台型产品，个人用户几乎没有“先深度用一段时间再决定”的路径，体验中心的试用深度和时长有限，真实效果的评估需要企业级 POC 或项目合作

💡 使用技巧

• 如果你只是想评估白泽是否适合所在企业，先走在线体验中心（cloud.smartbi.com.cn），用一两张真实业务表跑通“问数 → 归因 → 生成图表”的最小闭环，重点感受口径理解和结果可信度，再决定是否进入企业采购流程
• 体验时不要只问“销售额是多少”这类单点问题，尝试提出需要多步推理的归因问题（如“华东区本月销售下降的主要原因是什么，按产品线和渠道拆解”），这更能检验多智能体协同在复杂任务上的实际表现
• 如果企业已有 BI 报表体系，重点测试“报表助手”的就地问数能力：打开一张日常使用的仪表盘，在筛选条件下追问异常原因和同比对比，观察 AI 是否真正继承了当前上下文，而不是重新问一遍口径
• 企业级选型时，先明确自身的指标治理成熟度：白泽的准确率优势建立在统一指标模型之上，如果口径尚未统一，需要将指标梳理和治理工作纳入项目范围，不能默认 AI 会自动解决数据歧义
• 涉及财务和监管报送的场景，优先验证“中国式复杂报表智能填报”和口径追溯能力，这类场景对格式合规和审计线索的要求最高，也是白泽区别于轻量问数工具的关键能力之一
• 私有化部署前，要求厂商提供同行业或相近规模的 POC 案例，重点关注多智能体协同在真实业务数据上的准确率表现和异常处理逻辑，而不是只看演示环境中的标准问题
• 对数据安全和信创有明确要求的组织，在选型阶段就确认部署环境（本地/私有云/信创全栈）和权限体系是否匹配内部规范，避免在实施阶段才发现合规缺口